将H2O模型导入Python

我有内置H2O的模型（比如GLM模型） 现在，我想用Python导入该模型以用于其他应用程序

---

我该怎么做？

您需要将模型导出为MOJO或POJO（如果您的算法支持，请选择MOJO）。这是一个Java对象，因此需要使用Java来运行它。有很多方法可供选择：

（顺便说一句，R API最近添加了h2o.predict_json（），它为您将参数转换为json和Java调用；Python API中似乎还没有任何内容，但如果您阅读，您会发现它没有做任何复杂的事情：只是运行一个shell命令。）

另一种选择是坚持运行H2O服务器，并从Python使用它。在这种情况下，您只需保存模型（二进制格式），然后在每次进行预测时将其加载（返回H2O集群）：

这种方法的缺点是二进制格式总是绑定到H2O版本。因此，如果升级H2O，则无法再使用保存的型号。

请尝试以下操作：

# build the model
model = H2ODeepLearningEstimator(params)
model.train(params)

# save the model
model_path = h2o.save_model(model=model, path="/tmp/mymodel", force=True)

print(model_path)
/tmp/mymodel/DeepLearning_model_python_1441838096933

# load the model
saved_model = h2o.load_model(model_path)

---

较新版本的H2O能够通过python API导入MOJO：

# re-import saved MOJO
imported_model = h2o.import_mojo(path)

new_observations = h2o.import_file(path='new_observations.csv')
predictions = imported_model.predict(new_observations)

注意：旧版本的H2O中不能将MOJO重新导入python，因为旧版本缺少

H2O.import\u MOJO（）

函数

---

因此

h2o.save_model（）

似乎已经失去了它的作用-我们可以只使用

my_model.save_mojo（）

（注意它不是

h2o

方法，而是model对象的属性），因为这些文件不仅可以用于Java应用程序部署，也可以用于python（事实上，他们仍然在内部使用python Java桥接器）。

欢迎来到StackOverflow！请阅读和的相关信息。这将使其他人更容易帮助您。您是否阅读了文档？您是否试图根据生成的模型文件预测@hari krishna的可能副本？